نقشه هاي پوشش/کاربري اراضي حاصل از تصاوير ماهواره اي نقش مهمي در ارزيابي هاي منطقه اي و ملي پوشش/کاربري اراضي ايفا مي كنند. طي سال هاي گذشته، کاربردهاي زيادي از روش هاي طبقه بندي شبکه عصبي مصنوعي براي طبقه بندي پوشش/کاربري اراضي در منابع گزارش شده است، اما مطالعات معدودي، مقايسه آنها با هم را ارزيابي نموده اند. در اين مطالعه، ابتدا تصحيحات هندسي بر روي داده هاي+ ETM صورت گرفت. سپس با بازديدهاي ميداني، طبقات مختلف پوشش/کاربري اراضي تعريف و نمونه هاي آموزشي انتخاب گرديد. در اين مطالعه، هدف اصلي مقايسه چهار روش شبکه عصبي مصنوعي براي طبقه بندي پوشش سطح زمين در سه منطقه مهران(مرکز استان ايلام)، دويرج(جنوب استان ايلام) و سرابله(شمال استان ايلام) با شرايط اقليمي متفاوت مي¬باشد. در اين مطالعه، از روش هاي شبکه¬ عصبي مصنوعي آرتمپ فازي ، تابع پايه شعاعي ، کوهونن و پرسپترون چند لايه استفاده شده است. نتايج حاصل از ارزيابي دقت تصاوير طبقه بندي شده نشان داد که روش طبقه¬بندي آرتمپ فازي با دقت کل متوسط 84/9۴ و ضريب کاپاي متوسط 93/0 درصد داراي بيشترين دقت نسبت به ساير روش هاي بررسي شده مي باشد. اختلاف دقت کل متوسط در اين روش نسبت به روش تابع پرسپترون 44/11 و اختلاف ضريب کاپا متوسط 18/0 درصد، نسبت به روش کوهونن به ترتيب 3/17 و 23/0 درصد و نسبت به روش پايه شعاعي 01/31 و 36/0 درصد مي باشد. در اين تحقيق، بالاترين دقت طبقه بندي مربوط به طبقه بندي شبکه عصبي مصنوعي آرتمپ فازي بود. بنابراين اين مطالعه کارايي و قابليت روش شبکه عصبي مصنوعي آرتمپ فازي را در طبقه بندي بهتر تصاوير سنجش از دور اثبات مي نمايد.
کلید واژگان :طبقه بندي تصوير، شبکه عصبي آرتمپ فازي، تابع پايه شعاعي، شبکه عصبي کوهونن، شبکه عصبي پرسپترون.
ارزش ریالی : 600000 ریال
با پرداخت الکترونیک